基于運動數據分割的拉班舞譜自動生成研究.pdf

1、運動捕捉是一種用于準確測量目標物體運動狀況的技術。其中，運動捕捉數據是由有標識或無標識的運動捕捉設備捕捉并轉換為的BVH(BiovisionHierarchical Data)文件。它可以精確記錄層次結構中每個關節(jié)的旋轉角度，從而以數據形式描述動作運動軌跡，但是不易于讀取和展示。相比于運動捕捉數據，拉班舞譜是一種類似于音樂記譜中五線譜的動作記譜法，它有著直觀、易讀、便捷等諸多優(yōu)勢。基于上述問題，本文主要研究如何將運動捕捉數據自動轉換為拉

2、班舞譜，從而為我們民族民間傳統(tǒng)文化的保存、傳播和教學提供便利。
　　本文的主要工作是建立運動捕捉數據BVH文件自動轉換為拉班舞譜的平臺。選擇BVH文件路徑、解析BVH文件、數據塊分割、姿態(tài)分析和平臺搭建是其中的主要流程。本文圍繞上述流程進行了理論模型及實驗平臺的建設，主要工作及創(chuàng)新點如下:
　　(1)建立了運動捕捉數據采集和解析的模型。本文采用有標識光學式運動捕捉設備OptiTrack，經過C3D文件格式的緩存最終轉換為BV

3、H文件。根據四元組和歐拉角原理對BVH文件進行解析，由關節(jié)層次結構和相對旋轉角度矩陣數據塊計算得到各個節(jié)點在世界坐標系下的位置坐標，最終數據是行數與幀數相同，列數為78的矩陣塊。
　　(2)提出了一種基于小波變換自動計算節(jié)拍及起始點，并采用梯度下降法進行動作的細分和整合的新分割方法。對傳統(tǒng)的運動學閡值分割方法和降維聚類的分割方法創(chuàng)新應用到拉班舞譜動作分割。本文通過實驗分析對比，得出最優(yōu)算法。運動閾值分割的特征向量為末端節(jié)點相對于根

4、節(jié)點的位置和速度;PPCA(Probabilistic PCA)是結合應用領域創(chuàng)新運用PCA進行降維后，再聚類的分割算法;基于節(jié)拍分割法是采用小波變換算法依據動作復雜度確定小波尺度，對相對位置特征向量去噪，根據波峰波谷自動計算動作節(jié)拍和動作起始幀，并利用節(jié)拍初始平均分割數據，最后梯度下降法計算局部極值進行動作的細化和整合。最終分析比較三種分割方法，確定適合拉班舞譜的最優(yōu)分割方法。
　　(3)采用一種基于劃分空間角度的姿態(tài)分析方法。